SVM Kelas Tunggal Ensembel
SVM Kelas Tunggal Ensembel menggabungkan pelbagai model mesin vektor sokongan kelas tunggal — setiap satu dilatih pada subset rawak data atau ciri yang berbeza — dan menggabungkan skor anomalinya. Dengan menggabungkan beberapa anggaran sempadan OC-SVM, ensembel mengurangkan kepekaan terhadap pilihan kernel dan pensampelan data yang menjejaskan SVM kelas tunggal, menghasilkan pengesan kebaharuan atau pencilan yang lebih stabil dan tepat.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Scholkopf, B., Platt, J. C., Shawe-Taylor, J., Smola, A. J., & Williamson, R. C. (2001). Estimating the support of a high-dimensional distribution. Neural Computation, 13(7), 1443–1471. DOI: 10.1162/089976601750264965 ↗
- Tax, D. M. J., & Duin, R. P. W. (2001). Combining one-class classifiers. In Multiple Classifier Systems (MCS 2001), Lecture Notes in Computer Science, vol 2096. Springer, Berlin, Heidelberg. DOI: 10.1007/3-540-48219-9_30 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Ensemble of One-Class Support Vector Machines. ScholarGate. https://scholargate.app/ms/machine-learning/ensemble-one-class-svm
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Pengesanan Anomali AutoenkoderPembelajaran Mesin↔ compare
- Isolation ForestPembelajaran Mesin↔ compare
- SVM Kelas TunggalPembelajaran Mesin↔ compare
- Ensembel UndianPembelajaran Mesin↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →